车载激光雷达点云数据的分析与配准

发布时间：2020-11-13 13:08

　　 高机动应急救援车辆通常都是在救援现场作业,环境恶劣,路况复杂,严重影响着车辆的行驶平顺性以及行驶速度。本文采用预瞄主动悬架来缓和路面对车辆的冲击作用,从而提升车辆的行驶平顺性。预瞄主动悬架主要是通过安装在车辆上的传感器来感知车辆前方路面的高程信息,进而通过控制器实时调节悬架系统的工作状态,从而提高车辆的行驶平顺性。由于车辆是在高速的行驶状态,车载激光雷达不停的采集着车辆前方路面的点云数据,所以对于车辆前方某一物体在不同时间、不同角度获得的点云数据坐标系统存在或多或少的偏差。为此,本文对于激光雷达数据的精确配准方法进行了研究。本课题依托国家重点研发计划“高机动应急救援车辆(含消防车)专用底盘及悬架关键技术研究”(项目编号:2016YFC0802902),使用激光雷达、IMU、GPS和计算机等设备搭建实验平台,对车辆前方地形进行扫描,并对采集到的激光雷达点云数据进行预处理和配准。论文主要完成了以下工作:首先,对车前地形扫描系统进行介绍和对点云数据进行预处理。使用激光雷达、惯性测量单元、GPS和车载计算机搭建车前地形扫描系统实时的采集车前地形的距离、角度、车辆姿态角和位置信息。使用空间栅格法建立点云数据的拓扑关系。在点云预处理过程中,对点云进行压缩、去除离群点和点云光顺等处理,并且在处理过程中,也进行点云的平移、缩放和旋转等操作,以便与更加清楚更加全面的观察点云数据。其次,进行点云特征描述和特征点的提取。对点云空间几何特征的微分模型进行分析,并对法线和曲率进行估计拟合,同时也采用基于曲率极值法改进的算法提取特征点。最后使用点特征直方图(Point Feature Histograms),对点云数据进行描述。最后,对传统ICP点云配准算法进行分析介绍,总结优缺点,提出基于改进迭代最近点(ICP)算法的点云配准方法,并进行三组实验分析、对比突出改进的ICP算法的精确性和稳定性。
【学位单位】：吉林大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TN958.98;U463.6
【部分图文】：

数非常难以机械化，因此使用参数搜索技术来优化固定配置系统，在实际实践中局限性很大，Loglois 采用超声波雷达来测量车前路面信息[11]，但是由于探测距离较近，所以效果不理想。目前关于这一块做的比较成功的是谷歌无人驾驶汽车，如图 1.1，现在有丰田普锐斯和奥迪 TT 这两种实验车，它们都是使用照相机、雷达感应器和激光测距机相结合的方式观测实时的交通状况，并且使用详细地图来为前方的道路导航。在实际的应用中无人驾驶车辆通常是要比人驾驶的车更加安全，因为它们能更迅速、更有效地对临时的路况作出反应。另外奔驰公司所研发的魔术车身控制系统（MAGIC BODYCONTROL）可以说是智能悬架领域的先导者，如图 1.2，魔术车身系统的感应装置是安装在前挡风玻璃处的摄像头，这个摄像头可以将地面高度距离相差 3 毫米和车辆前方 15 米内的实时路况检测出来，从而在 1 秒内迅速的对主动悬架的阻尼系数做出调整，保持车辆的平顺性。

数非常难以机械化，因此使用参数搜索技术来优化固定配置系统，在实际实践中局限性很大，Loglois 采用超声波雷达来测量车前路面信息[11]，但是由于探测距离较近，所以效果不理想。目前关于这一块做的比较成功的是谷歌无人驾驶汽车，如图 1.1，现在有丰田普锐斯和奥迪 TT 这两种实验车，它们都是使用照相机、雷达感应器和激光测距机相结合的方式观测实时的交通状况，并且使用详细地图来为前方的道路导航。在实际的应用中无人驾驶车辆通常是要比人驾驶的车更加安全，因为它们能更迅速、更有效地对临时的路况作出反应。另外奔驰公司所研发的魔术车身控制系统（MAGIC BODYCONTROL）可以说是智能悬架领域的先导者，如图 1.2，魔术车身系统的感应装置是安装在前挡风玻璃处的摄像头，这个摄像头可以将地面高度距离相差 3 毫米和车辆前方 15 米内的实时路况检测出来，从而在 1 秒内迅速的对主动悬架的阻尼系数做出调整，保持车辆的平顺性。

目前市面上已经出现很多高分辨率的激光雷达，例如 Velodyne 激光雷达公司推的 Puck 传感器，其分辨率很高，能够提供更高的分辨率拍摄的 3D 图片，能使得远的距离被确认。所以三维激光雷达可以高速、高精度和高密度的采集海量的三维云数据[18]。按照空间分布特征可以将点云数据分为以下几种类型，如图 1.3 所示：（a）散乱性点云 （b）线型点云
【相似文献】

相关期刊论文 前10条

1 刘亚文;覃苏舜;;点云数据稀疏区域建筑物立面重建方法[J];应用科学学报;2017年02期

2 刘尚蔚;朱小超;张永光;魏群;;多片点云数据拼接处理技术的研究[J];水利与建筑工程学报;2014年01期

3 张习民;余小清;万旺根;张娟;;压缩感知点云数据压缩[J];应用科学学报;2014年05期

4 康兰;冯亚娟;陈正鸣;;多视点云数据快速对齐方法[J];机械设计与研究;2009年01期

5 郑德华;;点云数据直接缩减方法及缩减效果研究[J];测绘工程;2006年04期

6 张东;;基于球域膨胀的点云数据平面提取[J];工程技术研究;2018年11期

7 宇超群;门葆红;王鑫;;海量点云数据分布式并行处理技术综述[J];信息工程大学学报;2018年05期

8 宣伟;;地面激光点云数据质量评价与三维模型快速重建技术研究[J];测绘学报;2017年12期

9 孙瑞;张贵豪;陈普智;;三维激光扫描点云数据的精简方法探讨[J];黄河水利职业技术学院学报;2018年02期

10 谌鹏;;点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用[J];制造技术与机床;2017年03期

相关博士学位论文 前10条

1 张绍泽;面向三维可视化的激光扫描点云数据处理方法研究[D];西安电子科技大学;2017年

2 罗楠;基于点云数据的3D打印关键技术研究[D];西安电子科技大学;2017年

3 唐逸之;点云数据的鲁棒配准与自适应表面重建[D];浙江大学;2017年

4 杨永涛;三维离散点云数据处理关键技术研究[D];燕山大学;2017年

5 邓博文;大体积比工件装配面检测及其点云数据处理方法研究[D];中北大学;2019年

6 金娟凤;基于特征距离的腰腹臀部体型分析与个性化女裤样板生成[D];浙江理工大学;2017年

7 石宏斌;地面激光点云模型自动构建方法研究[D];武汉大学;2014年

8 叶立志;机载LiDAR与影像密集匹配点云数据的滤波方法研究[D];武汉大学;2016年

9 张学昌;基于点云数据的复杂型面数字化检测关键技术研究及其系统开发[D];上海交通大学;2006年

10 张力宁;点云数据抗噪处理方法及其在叶片重建中的应用研究[D];西北工业大学;2006年

相关硕士学位论文 前10条

1 姜小磊;车载激光雷达点云数据的分析与配准[D];吉林大学;2019年

2 汪冲;全站扫描仪测量精度分析及其在变形监测中的应用[D];战略支援部队信息工程大学;2018年

3 温职先;面向人机交互的TOF低分辨点云数据实时预处理方法研究[D];深圳大学;2018年

4 曹垚;三维激光点云数据精简算法及三角网格模型优化研究[D];郑州大学;2019年

5 周阳阳;基于点云数据的黄土坡面微地形曲面重构[D];西北农林科技大学;2019年

6 赵静;基于TOF的运动目标检测与跟踪[D];上海师范大学;2019年

7 楚如丽;基于三维点云数据的目标识别研究与实现[D];上海师范大学;2019年

8 张艺竞;基于点云数据的三维目标识别方法研究[D];哈尔滨工程大学;2019年

9 梁金虎;散乱三维点云预处理去噪和配准研究[D];安徽建筑大学;2019年

10 郭东兵;点云数据特征保持算法研究[D];太原理工大学;2019年

本文编号：2882224